2× DGX Spark üzerinde DeepSeek V4 Flash 0731 — NVFP4, vLLM, TP2, spekülatif kod çözme k=5 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | DeepSeek V4 Flash 0731 |
|---|---|
| Parametre | 304B |
| Zekâ Endeksi | 34.3 |
| Agentic Endeksi | 41 |
| Cihaz | 2× DGX Spark |
| Kuantizasyon | NVFP4 |
| Maks C | 4 |
| Chat Kapasitesi | 16 |
| Agentic Kapasitesi | 6 |
| TP | 2 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | Evet |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 308 | 47.34 | PASS |
| 2 | 416 | 32.37 | PASS |
| 4 | 532 | 22.53 | PASS |
| 8 | 686 | 15.65 | FAIL |
OpenZeka'nın ölçümünde, 2× DGX Spark üzerinde vLLM ile NVFP4 formatında ve spekülatif kod çözmeyle sunulan DeepSeek V4 Flash 0731 (304B parametre, TP=2), tek istekte istek başına 47,3 tok/s üretim hızına ve 308 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 16, agentic kullanım için 6 kullanıcıdır. Gerçekçi kapasite muhtemelen bu iki değer arasında olacaktır. Kodlama, araç kullanımı, uzun iş akışları ve çoklu ajan kullanımının ağırlıklı olduğu senaryolarda kapasite agentic tahmine yaklaşırken; daha kısa etkileşimlerin, standart sohbetlerin ve daha hafif görevlerin ağırlıkta olduğu kullanımlarda chat tahminine yaklaşacaktır.
Notlar: B12X, DSpark k=5, GMU 0.85, block-size 256, KV fp8
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 2× DGX Spark üzerinde vLLM ile NVFP4 formatında ve spekülatif kod çözmeyle sunulan DeepSeek V4 Flash 0731 (304B parametre, TP=2), tek istekte istek başına 47,3 tok/s üretim hızına ve 308 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 16, agentic kullanım için 6 kullanıcıdır. Gerçekçi kapasite muhtemelen bu iki değer arasında olacaktır. Kodlama, araç kullanımı, uzun iş akışları ve çoklu ajan kullanımının ağırlıklı olduğu senaryolarda kapasite agentic tahmine yaklaşırken; daha kısa etkileşimlerin, standart sohbetlerin ve daha hafif görevlerin ağırlıkta olduğu kullanımlarda chat tahminine yaklaşacaktır.